WEKO3
アイテム
ALBERTを用いたマルウェア検知手法の提案
https://ipsj.ixsq.nii.ac.jp/records/227048
https://ipsj.ixsq.nii.ac.jp/records/2270489c4509fb-5e38-4df3-929b-99b4dd61d242
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-SPT23052041.pdf (1.7 MB)
|
Copyright (c) 2023 by the Information Processing Society of Japan
|
|
| オープンアクセス | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2023-07-17 | |||||||||
| タイトル | ||||||||||
| タイトル | ALBERTを用いたマルウェア検知手法の提案 | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | Proposal for a malware detection method using ALBERT | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | CSEC | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||||
| 資源タイプ | technical report | |||||||||
| 著者所属 | ||||||||||
| 情報セキュリティ大学院大学 | ||||||||||
| 著者所属 | ||||||||||
| 情報セキュリティ大学院大学 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| INSTITUTE of INFORMATION SECURITY | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| INSTITUTE of INFORMATION SECURITY | ||||||||||
| 著者名 |
脇谷, 峡平
× 脇谷, 峡平
× 大久保, 隆夫
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 近年，収束されていたと思われていたマルウェアが急速に拡大している．マルウェアの感染経路として，フィッシングメール経由が多く，これを防止するために研究者が日々様々な対処方法を研究している．本研究では，メール経由で感染拡大を狙うマルウェアからの感染を防ぐため，感染メールの文面に着目し，自然言語処理技術を用いてスパムメール分類器の作成と閾値からのフィルタリングで対応を行う．実験としては，メールデータセットを用いて ALBERT，BERT，Bidirectional-LSTM，LSTM 各種自然言語処理の学習と実際に報告されたメールからフィルタリング検証を行う．結果，BERT では最高精度である F1score99.47% を達成し，検証結果では 90% の精度でフィルタリングが可能であることが判明した． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | In recent years, malware, which was thought to be under control, has been spreading rapidly. Malware is often infected via phishing e-mails, and researchers have been studying various countermeasures to prevent this. In this study, we focus on the text of infected e-mails to prevent infection from malware that aims to spread via e-mail. We use natural language processing technology to create a spam e-mail classifier and filter it based on a threshold value. In our experiments, we train ALBERT, BERT, Bidirectional-LSTM, and LSTM natural language processing techniques on an email dataset, and test their filtering on actual reported emails. The results show that BERT achieves the highest accuracy of 99.47% F1score, and the validation results show that filtering is possible with 90% accuracy. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AA12628305 | |||||||||
| 書誌情報 |
研究報告セキュリティ心理学とトラスト（SPT） 巻 2023-SPT-52, 号 41, p. 1-8, 発行日 2023-07-17 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8671 | |||||||||
| Notice | ||||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
